YOLOv5 7.0：算法流水线

04 算法流水线

4.1 检测训练

入口：train.py::main() → train()

初始化阶段

1. 解析超参数并保存 hyp.yaml、opt.yaml
2. 检查数据集 YAML
3. 加载预训练 checkpoint，或按 YAML 从零创建
4. 通过 state_dict 交集迁移可匹配权重
5. 配置冻结层、AMP、图像尺寸
6. 创建优化器、学习率调度器、EMA
7. 创建训练/验证 DataLoader
8. 非恢复训练时执行 AutoAnchor

Batch 阶段

uint8 图片 → GPU → float → /255
  → Warmup 学习率和 momentum
  → 可选 Multi-scale
  → model(imgs)
  → ComputeLoss(pred, targets)
  → GradScaler.backward()
  → 累积到 nominal batch size 64
  → unscale + clip_grad_norm_(10)
  → optimizer.step()
  → EMA.update()

Epoch 结束

• 更新 LR scheduler
• 使用 EMA 模型验证
• 用 P/R/mAP 组合计算 fitness
• EarlyStopping
• 保存 last.pt、best.pt、可选周期 checkpoint

checkpoint 不只是权重，还保存 epoch、best fitness、EMA、optimizer、运行参数、Git 信息和时间。

4.2 验证

入口：val.py::run()

验证脚本可独立运行，也可由 train.py 传入模型与 DataLoader。核心函数：

• process_batch()：按类别和 IoU 判断检测是否正确
• ConfusionMatrix.process_batch()：构建混淆矩阵
• ap_per_class()：计算 PR 曲线与 AP
• 可选保存 TXT、JSON、混淆矩阵和样本图

COCO 数据可输出 JSON 并调用 pycocotools 做官方评估。

4.3 检测推理

入口：detect.py::run()

关键逻辑：

1. URL 文件先下载，实时 URL 走流加载器
2. 根据 stride 修正 imgsz
3. 模型 warmup
4. 每帧预处理、前向、NMS
5. 把网络坐标映射回 im0
6. 输出 YOLO TXT、Crop、图片或视频
7. 打印预处理、推理、NMS 的独立耗时

4.4 Letterbox 与坐标还原

Letterbox 不强行把原图拉伸成正方形：

原图 H×W
  → 按比例缩放
  → 两边填 114
  → 输出尺寸对齐 stride

优点是物体几何比例不变。缺点是预测框坐标处于「缩放+padding」后的坐标系，所以必须调用：

det[:, :4] = scale_boxes(network_shape, det[:, :4], original_shape)

4.5 NMS

utils/general.py::non_max_suppression()：

1. 用 Objectness 预筛选
2. 计算 confidence = objectness × class_probability
3. 从 xywh 转为 xyxy
4. 可筛类别、支持 multi-label
5. 按类别偏移框，或执行 class-agnostic NMS
6. 调用 torchvision.ops.nms
7. 限制 max_det

conf_thres 控制候选置信度，iou_thres 控制重叠框压制强度。

4.6 分割流水线

训练

segment/train.py 大体复用检测训练框架，但使用：

• 分割 DataLoader
• ComputeLoss（utils/segment/loss.py）
• mask/segment 标注
• 检测损失 + mask 损失

推理

Segment head
  → 检测预测 + prototype masks
  → NMS
  → 候选 mask 系数 × prototype
  → 上采样/裁框
  → 绘制实例 mask 和 box

4.7 分类流水线

分类任务在 classify/：

ImageFolder
  → 分类增强
  → ClassificationModel
  → CrossEntropy
  → top-1 / top-5

可从 YOLOv5 检测模型 backbone 构造分类模型。

4.8 导出流水线

入口：export.py::run()

每种导出器由 @try_export 包装：自动记录耗时、捕获异常并返回产物。dynamic、half、int8、opset、simplify 等参数只对相应格式生效。

4.9 PyTorch Hub 流程

hubconf.py 提供 yolov5n/s/m/l/x 和 custom：

model = torch.hub.load("ultralytics/yolov5", "custom", "best.pt")
results = model(images)

Hub 默认用 AutoShape 包装，因此把预处理、NMS 和结果封装隐藏起来；追踪性能或排查坐标问题时，应回到 detect.py 的显式流程。